人工智能发展史人工智能学科诞生于2 0世纪50年代中期，当时由于让算机的产生与发展，人们开始了具 有真正意义的人工智能的研究虽然计算机为AI提供了必要的技术基础,但直到50年代早期 人们才注意到人类智能与机器之间的联系.Norbert Wien er是最早研究反馈理 论的美国人之 一.最熟悉的反馈控制的例子是自动调温器.它将收集到的房间温度与希望的 温度比较，并做出 反应将加热器开大或关小，从而控制环境温度•这项对反馈回路的研究重要性在于:Wien e r从 理论上指出，所有的智能活动都是反馈机制的结果.而反馈机制是有 可能用机器模拟的.这项发 现对早期 AI 的发展影响很大1956年夏，美国达特莫斯大学助教麦卡锡、哈佛大学明斯基、贝尔实验室申龙、IBM公司信 息研尢中心罗彻斯特、卡内基一-悔隆大学纽厄尔和赫伯特•西蒙、麻省理工学院塞夬里奇和索 罗门夫，以及IBM公司塞缪尔和莫尔在美国达特莫斯大学举行了以此为其两个月的学术讨论会， 从不同学科的角度探讨人类各种学习和其他职能特征的基础，并研究如何 在远离上进行精确的 描述，探讨用机器模拟人类智能等问题，并首次提岀了人工智能的术语 从此,人工智能这门新 兴的学科诞生了。
这些青年的研究专业包括数学、心理学、神经生理学、信息论和电脑科学，分 别从不同角度共同探讨人工智能的可能性他们的需字人们并不 陌生，例如申龙是《信息论》的 创始人，塞缪尔编写了第一个电脑跳棋程序，麦卡锡、明斯 基、纽厄尔和西蒙都是“图灵奖”的 获奖者这次会议之后，在美国很快形成了 3个从事人工智能研究的中心，即以四蒙和纽威尔为首 的 卡内基一梅隆大学研究组，以麦卡锡、明斯基为首的麻省理工学院研究组，以塞缪尔为首 的 IBM 公司研究组随后，这几个研究组相继在思维模型、数理逻辑和启发式程序方而取得 了一批显著 的成果：（1）1 956年，纽威尔和西蒙研制了一个“逻辑理论家“（简称LT）程序，它将每个问题都 表示成一个树形模型，然后选择最可能得到正确结论的那一枝来求解问题，证明了怀特黑徳与 罗 素的数学需著《数学原理》的第2章中52个楚理中的38个出理1963年对程序进行了 修改， 证明了全部建理这一工作受到了人们的高度评价，被认为是计算机模拟人的高级思 维活动的 一个重大成果，是人工智能的匿正开端2） 1956年，塞缪尔利用对策论和启发式搜索技术编制岀西洋跳棋程序Checker s o该 程 序具有自学习和自适应能力，能在下棋过程中不断积累所获得的经验，并能根据对方的走步, 从许多可能的步数中选岀一个较好的走法。
这是模拟人类学习过程第一次卓有成效的探索 这 台机器不仅在1959年击败了塞缪尔本人，而且在19 6 2年击败了美国一个州的跳棋冠军, 在 世界上引起了大轰动这是人工智能的一个重大突破3 ）1958 年，麦卡锡研制岀表处理程序设计语言 LISR 它不仅可以处理数据，而且可以方 便 的处理各■种符号，成为了人工智能程序语言的重要里程碑目前，LISP语言仍然是研究人 工 智能何开发智能系统的重要工具4 ）1 960 年纽威尔、肖和西蒙等人通过心理学实验，发现人在解题时的思维过程大致可以 分为 3 个阶段：1首先想出大致的解题计划：2根据记忆中的公理、宦理和解题规划、按 计 划实施解题过程；3.在实施解题过程中，不断进行方法和目标分折，修改计划这是一个具有普 遍意义的思维活动过程，其中主要是方法和目的的分析也就是人们在求解数学问题通常使用 试凑的办法进行的试凑是不一定列出所有的可能性，而是用逻辑推理来迅速缩小 搜索范困的办 法进行的），基于这一发现，他们研制了 “通用问题求解程序GPS”，用它来解决不迫积分、三 角函数、代数方程等11种不同类型的问题,并首次提出启发式搜索概念，从而 使启发式程序具 有较普遍的意义。
5) 1 9 61年，明斯基发表了一篇需为《迈向人工智能的步骤》的论文，对当时人工智能的 研究起了推动作用正是由于人工智能在20世纪50年代到60年代的迅速发展和取得的一系列的研究成果， 使 科学家们欢欣鼓舞，并对这一领域给予了过高的希望纽威尔和西蒙在1958年曾作出以下 预 H：① 不出十年，计算机将成为世界象棋冠军,除非规楚不让它参加比赛：② .不出十年，讣算机将发现并证明那时还没有被证明的数学定理；③ .不出十年，计算机将谱写出具有较高美学价值并得到评论家认可的乐曲：④ 不出十年，大多数心理学家的理论将采用计算机程序来形成非常遗憾的是，到目前为止，这样的预言还没有一个得到完全的实现，人工智能的研究状况比 纽威尔和西蒙等科学家的设想要复杂和艰难的多事实上，到了20世纪70年代初，人工智能 在经历一段比校快速的发展时期后，很快就遇到了许多问题这些问题主要表现在：(1) 1 965年鲁宾逊发明了归结(消解)原理,曾被认为是一个重大的突破，可是很快这种归结 法能力有限，证明两个连续函数z和还是连续函数，推证了十万步竞还没有得证2) 塞缪尔的卞棋程序，赢得了周冠军后，没能赢全国冠军3) 机器翻译出了荒谬的结论。
如从英语f俄语f英语的翻译中，又一句话：“The spir i t i s will i ng bu t t he fle s h is weak"(心有余而力不足)，结果变成了"Tliewin e i s g o o d but the meat i s spoil cd”(洒是好的，肉变质了)，闹出了笑 话4) 大脑约有10的1 5次方以上的记忆容量，此容量相当于存放几亿本书的容量,现有的技 术条件下在机器的结构上模拟人脑是不大可能的5) 来自心理学、神经生理学、应用数学、哲学等$界的科学家们对人工智能的本质、基本原 理、方法及机理等方而产生了质疑和批评由于人工智能研究遇到了困难，使得人工智能在20世纪70年代初走向低落但是，人工 智 能的科学家没有被一时的困难所吓倒，他们在认真总结经验教训的基础上，努力探索使人 工智 能走出实验室，走向实用化的新路子，并取得了令人鼓舞的进展特别是专家系统的出现，实现 了人工智能从理论研究走向实际应用,从一般思维规律探索走向专门知识应用的重大突破，是人 工智能发展史上的重大转折，将人工智能的研究推向了新高潮下面是几个又代表 性的专家系 统：< 1)1 968年斯坦福大学费根鲍姆教授和几位遗传学家及物理学家合作研制了一个化学 质 谱分折系统(DENDARL),该系统能根据质谱仪的数摇和核磁谐振的数据,以及有关化学 知识推断 有机化合物的分子结构,达到了帮助化学家推断分子结构的作用。
这是第一个专家 系统,标志着 人工之能从实验室疋了出来，开始进入实际应用时代2)继DEND ARAL系统之后，费根鲍姆领导的研究小组又研制了诊断和治疗细菌感染性 血液 病的专家咨询系统MYC 1 N.经专家小组对医学专家、实习医师以及MYCIN行为进行正式测试评 价，认为MYCIN的行为超过了其他所有人，尤其在诊断和治疗菌血症和脑膜 炎方面，显示了该 系统作为临床医生实际助手的前途从技术的角度来看，该系统的特点是：1使用了经验性知 识，用可信度表示，进行不精确推理2.对推理结果具有解释功能，时系统是透明的3•第一次 使用了知识库的概念正是由于MYCIN基本解决了知识表示、知识 获取、搜索策略、不精确推 理以及专家系统的基本结构等重大问题(是怎样解决的呢？)， 对以后的专家系统产生了很大的 影响3 ) 1976 年,斯坦福大学国际人工智能中心的杜达等人开始研制矿藏勘探专家系统 PR oSPECTOR•它能帮助地质学家解释地质矿藏数据，提供硬岩石矿物勘探方面的咨询，包括 勘探测 评，区域资源估值，钻井井位选择等该系统用语义网络表示地质知识，拥有15中 矿藏知识, 采用贝叶斯概率推理处理不确泄的数据和知识PROSPECTOR系统于1981年开始投入实际使用， 取得了巨大的经济效益。
例如1 982年，美国利用该系统在华盛顿发现一处矿藏，据说实用价 值可能超过1亿美元4)美国卡内基一梅隆大学于2 0世纪7 0年代先后研制了语音理解系统HEARSAY- 1加入 HEARSAY-II,它完成从输入的声音信号转换成字，组成单词，合成句子，形成数据库査询语句， 再到情报数据库中去查询资料该系统的特点是采用“黑板结构”这种新结构形 式，能组合协 调专家的知识，进行不同抽象级的问题求解在这一时期，人工智能在新方法、程序设计语肓、知识表示、推理方法等方面也取得了重 大 进展例如70年代许多新方法被用于A1开发，著名的如Min S ky的构造理论.另外Da vid Marr提出了机器视觉方而的新理论，例如，如何通过一副图像的阴影，形状，颜色，边界和纹 理等基本信息辨别图像.通过分析这些信息，可以推断岀图像町能是什么，法国马赛大学的柯尔 麦伦和他领导的研究小组于1 9 72年研制成功的第一个PROLOG系统，成为了继LI SP语言之 后的列一种重要的人工智能程序语言;明斯基1974年提出的框架理论：绍特里 夫于19 7 5年 提出并在MYCIN中应用的不精确推理：杜达于1 9 76年提出并在PR OSPECTOR中应用的贝叶 斯方法;等等人工智能的科学家们从'种不同类型的专家系统和知识处理系统中抽取共性，总结出一般 原 理与技术，使人工智能又从实际应用逐渐回到一般研究。
围绕知识这一核心问题，人们重新对人 工智能的原理和方法进行了探索，并在知识获取、知识表示以及知识在推理过程中的利 用等方 而开始岀现一组新的原理、工具和技术1977年，在第五届国际人工智能联合会(IJ C A I)的 会议上，费根鲍姆教授在一篇题为《人工智能的艺术:知识工程课题及实例研究》的特约文章中， 系统的阐述了专家系统的思想，并提出了知识工程(Kn0 WIcdgeEnginc e ri ng)的概念费根 鲍姆认为，知识工程是研究知识信息处理的学科，它应用人工智能的原理和方法，对那些需要专 家知识才能解决的应用难题提供了求解的途径恰当的运用专家知识的获取、表示、推理过程的 构成与解释，是设计基于知识的系统的重要技术问题至此，鬧绕着开发专家系统而开展的相关 理论、方法、技术的研究形成了知识工程学科知识工程的研究使人工智能的研究从理论转向应 用，从基于推理的模型转向基于知识的模型为了适应人工智能和知识工程发展的需要，在政府的大力支持下，日本于1 9 8 2年开始了 为期10年的“第五代计算机的研制计划”，即“知识借息处理计算机系统KIPS”，总共 投资 4.5亿美元它的目的是使逻辑推理达到数值运算那样快。
日本的这一计划形成了一股热潮，推 动了世界徉国的追赶浪潮美国、英国、欧共体、苏联等都先后制订了相应的发展计划随着第 五代计算机的研究开发和应用，人工智能进入一个兴盛时期，人工智能界一派乐 观情绪然而，随着专家系统应用的不断深入，专家系统自身存在的知识获取难、知识领域窄、推 理 能力弱、只能水平低、没有分布式功能、实用性差等等问题逐步暴露出来日本、美国、英国和 欧洲所制订对那些针对人工智能的大型计划多数执行到2 0世纪80年代中期就开始 而临重重 困难，已经看出达不到预想的目标进一步分析便发现，这些困难不只是个别项目 的制订又问 题，而是涉及人工智能研究的根本性问题总的来讲是两个问题：一是所谓的交 互(Inierac t i on)问题，即传统方法只能模拟人类深思熟虑的行为，而不包括人与环境的交互行为列一个 问题是扩展(Scaling up)问题，即所谓的大规模的问题，传统人工智能方法只适合于建造领域 狭窄的专家系统，不能把这种方法简单的推广到规模更大、领域更宽的复杂系统中去这些计划 的失败，对人工智能的发展是一个挫折尽管经历了这些受挫的事件,A 1仍在慢慢恢复发展.新的技术在日。